오픈AI, 실시간 음성 작업용 오디오 모델 3종 API에 도입

오픈AI가 새로운 음성 AI 모델을 공개하며 실시간 음성 작업의 혁신적인 변화를 예고하고 있습니다. 이번에 출시된 ‘GPT-리얼타임(GPT-Realtime)’ 모델은 단순한 음성 인식을 넘어 실제 업무를 수행할 수 있는 차세대 음성 에이전트를 목표로 하고 있습니다. 개발자들은 이를 통해 다양한 음성 기반 애플리케이션을 구축할 수 있는 기회를 얻게 됩니다.

차세대 음성 AI, GPT-리얼타임

오픈AI는 최근 3종의 새로운 음성 AI 모델을 발표했습니다. ▲GPT-리얼타임-2 ▲GPT-리얼타임-트랜슬레이트 ▲GPT-리얼타임-위스퍼로 구성된 이 모델들은 실시간 대화 중 추론, 번역, 전사 및 업무 수행이 가능하다는 점에서 기존 음성 인식 기술과는 차별화됩니다. 오픈AI는 음성이 소프트웨어와의 상호작용에서 가장 자연스러운 인터페이스로 자리 잡고 있으며, 다양한 분야에서의 수요가 증가하고 있다고 강조했습니다. 특히 운전 중 도움 요청, 공항에서의 일정 변경, 다국어 고객 지원 등 다양한 상황에서 음성 기반 인터페이스의 필요성이 더욱 커지고 있습니다.

핵심 모델인 GPT-리얼타임-2는 'GPT-5급 추론 능력'을 갖추고 있으며, 복잡한 요청을 이해하고 대화를 자연스럽게 이어가는 것이 특징입니다. 사용자가 중간에 말을 끊거나 요청을 수정하더라도 맥락을 유지하며 자연스럽게 대응할 수 있도록 설계되었습니다. 또한, 중간 진행 상황을 음성으로 안내하는 기능과 문제 발생 시 자연스러운 복구 응답을 제공하는 점도 주목할 만합니다. 이 모델은 기존의 3만2000 토큰에서 12만8000 토큰까지 컨텍스트 창을 확장해 장시간 대화와 복잡한 작업 흐름을 지원합니다.

실시간 번역과 전사, 음성의 새로운 가능성

GPT-리얼타임-트랜슬레이트는 70개 이상의 입력 언어를 13개 출력 언어로 실시간 번역할 수 있는 모델로, 고객 지원, 글로벌 영업, 교육 등 다양한 분야에서 활용될 것으로 기대됩니다. 이 모델을 사용하면 사용자가 자신의 언어로 말하고 상대방은 번역된 음성을 즉시 들을 수 있으며, 실시간 자막도 제공되기 때문에 다국어 환경에서의 소통이 한층 원활해질 전망입니다.

또한 GPT-리얼타임-위스퍼는 초저지연 스트리밍 음성 전사 모델로, 사용자가 말하는 동시에 텍스트를 생성하여 실시간 자막이나 회의 기록 등을 즉시 제공할 수 있습니다. 이 기능은 고객 지원, 의료, 영업, 채용 등 다양한 음성 기반 업무에서의 자동화를 크게 확대할 것으로 보입니다.

안전성 및 가격 정책

오픈AI는 이번 모델에 다층 안전장치를 적용하여 유해 콘텐츠 정책을 위반하는 대화가 자동으로 중단될 수 있도록 했습니다. 개발자들은 자체 안전 규칙을 추가할 수 있으며, 사용자는 AI와 대화 중이라는 사실을 명확히 고지해야 합니다. 또한, 유럽연합(EU) 데이터 거주성을 지원하여 기업 고객의 개인정보 보호 요구도 충족할 수 있도록 설계되었습니다.

가격 정책도 마련되어 있습니다. GPT-리얼타임-2는 오디오 입력 토큰 100만 개당 32달러, 출력 토큰 100만 개당 64달러이며, GPT-리얼타임-트랜슬레이트는 분당 0.034달러, GPT-리얼타임-위스퍼는 분당 0.017달러로 책정되었습니다. 현재 개발자들은 오픈AI의 플레이그라운드를 통해 새로운 실시간 음성 모델을 직접 테스트할 수 있는 기회를 제공받고 있습니다.

이처럼 오픈AI의 새로운 음성 AI 모델들은 음성에서 행동으로, 시스템에서 음성으로 변환하는 다양한 새로운 패턴을 지원하며, 향후 음성 기반 인터페이스의 혁신을 이끌 것으로 기대됩니다. 앞으로의 기술 발전이 어떤 변화를 가져올지 주목해 봐야겠습니다.